多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

最新推荐文章于 2024-06-05 20:43:04 发布
最新推荐文章于 2024-06-05 20:43:04 发布
阅读量5.7k 收藏 14
点赞数 2
分类专栏： Machine Learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/timso1997/article/details/80920902
版权

多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

@(Machine Learning)

Intro

LIFT是张敏灵教授提出的多标签(multi-label)的学习方法。关于multi-label的介绍可以看我这篇博客，其中主要描述了multi-class、multi-label、multi-task的定义和区别。
本人根据论文总结了LIFT算法，并根据提供的matlab语言的code，完成了LIFT算法的Python版本，主要用到了sklearn提供的api，以便我自己使用该算法。

论文原文、论文代码和我重写的Python版本的LIFT代码可以在文末的Source找到

Algorithm

论文给出的伪代码：

1

根据论文，LIFT可以分为两个步骤：
1. label-specific features construction
2. classification models induction

其中主要的是第一个步骤，构造标签间关系定义的

最低0.47元/天 解锁文章
timsooo
关注
  • 2
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
Multi-label learning 第一周
Kodoo的专栏
11-09 4046
Multi-Label Learning 第一周Multi-Label Learning 第一周 Multi-Label Learning的含义 传统机器学习 多标签学习 Multi-Label Learning 算法 分解为多个单标签问题 标签排序 发现类间内在联系 Multi-Label Learning 算法的评估指标Multi-Label Learning的含义  从今天开始Multi-La
LIFT: Multi-Label Learning with Label-Specific Features
weixin_44261106的博客
02-19 595
LIFT: Multi-Label Learning with Label-Specific Features笔记整理 背景 这篇为论文是Label-Specific Features在多标签应用的开篇之作 因为这篇文章较为简单，直入主题看作者如何构建标签具体的特征 THE LIFT APPROACH 首先这篇文章是一个first-order的多标签算法，意味着其没有考虑标签的相关性，而是一个标准的BR算法。因此作者将N个标签分开考虑。 首先对于第k的标签，作者现将其分类正样本和负样本。 之后作者利用聚类
针对多标签（Multi-label）任务的经典算法
最新发布
Gene_I must wait for the sunrise
06-05 1141
多标签（Multi-label）任务是分类任务的扩展版，即每个样本不再仅属于一个类别，而是可以同时属于多个类别（标签）。因此与经典的分类任务不同，多标签问题需要预测一组标签，而不是一个单一的标签。本篇文章记录了一些经典的处理多标签（Multi-label）任务的算法。
多标签学习Multi-Label Learning by Exploiting Label Dependency
我的博客
10-20 1451
文章目录Multi-Label Learning by Exploiting Label Dependency2010 KDDMin-Ling Zhang,Kun Zhang摘要介绍LEAD 方法基本思想一个实用方法DAG关于误差：消除特征的影响LEAD算法流程参考文献代码实现 Multi-Label Learning by Exploiting Label Dependency 2010 KDD...
multi-task learning, multi-label learning, multi-class learning
NeXT_Vision的博客
01-08 613
文章目录1.单任务学习vs多任务学习2.什么是多任务学习3.多任务学习有效的原因4.相关（relate）定义5.多任务学习中的相关关系（task relationship）6.Multi-task Learning方法7.多任务学习与其他学习算法之间的关系8.多任务学习应用概述9.参考文献参考博客待阅读 1.单任务学习vs多任务学习   单任务学习：一次只学习一个任务（task），大部分的机器学习任务都属于单任务学习。   多任务学习：把多个相关（related）的任务放在一起学习，同时学习多个任务。   
多标签学习方法Multi-Label Learning by Exploiting Label Correlations Locally
我的博客
10-17 1639
文章目录Multi-Label Learning by Exploiting Label Correlations Locally2012 AAAISheng-Jun Huang Zhi-Hua Zhou摘要ML-LOC 方法框架算法流程 Multi-Label Learning by Exploiting Label Correlations Locally 2012 AAAI Sheng-Ju...
Coefficient of Lift Calculator with Angular Velocity and Surface Roughenss:Coefficient of Lift Calculator-matlab开发
06-01
这个 Matlab GUI 有助于计算具有粗糙度的旋转球体的升力系数。 在 GUI 计算器中，您可以更改粗糙度和角速度。... 为该计算器收集的数据是通过 Star CCM* 中的多次测试收集的。 然后使用最佳拟合方程绘制升力系数方程。
grasp-and-lift:Grasp-and-Lift EEG 检测 Kaggle 比赛
07-17
Grasp-and-Lift EEG 检测 Kaggle 比赛 设置 需要 pip 和 python 克隆仓库git clone https://github.com/jrubin01/grasp-and-lift.git cd grasp-and-lift 创建虚拟环境virtualenv venv source venv/bin/activate ...
habit-lift-api:HabitLift的API
04-08
在habit-lift-api-master这个压缩包中，我们可以期待找到项目的源代码，包括配置文件、路由定义、模型定义、数据库连接和错误处理函数等。通过对这些文件的深入研究和理解，我们可以进一步掌握如何使用Go和Gin-Gonic...
lift-with-sbt-web-and-jrebel:我尝试使用 sbt-web 资产处理和热门课程和资源部署来配置提升
06-08
要启动 Lift 执行 ./sbt 脚本以加载 sbt，然后执行以下操作以启动 Web 服务器并在文件更改时编译源代码： clean ; container:start ; ~compile 进一步改进/不稳定的东西 目前您必须安装 jRebel 并为容器工作：开始...
多标签(multi-label)数据问题常用的分类器或者分类策略
07-03
目前有很多关于多标签的学习算法，依据解决问题的角度，这些算法可以分为两大类：一是基于问题转化（Problem Transformation）的方法，二是基于算法适应的方法和算法适应方法（Algorithm Adaptation）。基于问题转化的多标记分类是转化问题数据，使之适用现有算法；基于算法适应的方法是指针对某一特定的算法进行扩展，从而能够直接处理多标记数据，改进算法，适应数据。
Multi-Label Ensemble Learning
02-29
Multi-label learning aims at predicting potentially multiple labels for a given instance. Conventional multi-label learning approaches focus on exploiting the label correlations to improve the accuracy of the learner by building an individual multi-label learner or a combined learner based upon a group of single-label learners. However, the gener- alization ability of such individual learner can be weak. It is well known that ensemble learning can effectively improve the generalization abil- ity of learning systems by constructing multiple base learners and the performance of an ensemble is related to the both accuracy and diver- sity of base learners. In this paper, we study the problem of multi-label ensemble learning. Specifically, we aim at improving the generalization ability of multi-label learning systems by constructing a group of multi- label base learners which are both accurate and diverse. We propose a novel solution, called EnML, to effectively augment the accuracy as well as the diversity of multi-label base learners. In detail, we design two objective functions to evaluate the accuracy and diversity of multi- label base learners, respectively, and EnML simultaneously optimizes these two objectives with an evolutionary multi-objective optimization method. Experiments on real-world multi-label learning tasks validate the effectiveness of our approach against other well-established methods.
lift-auth:Lift应用程序的oauth2授权服务器
05-17
通过"lift-auth-master"这个项目，开发者不仅可以学习到OAuth2协议的基本原理，还能深入理解Lift框架如何与其他技术结合，实现复杂的Web服务。对于想要构建安全、可扩展的OAuth2服务的开发者来说，这是一个很好的...
Multi-Label Learning 笔记一A Review on Multi-Label Learning Algorithms
qq_36822881的博客
04-02 8593
1、定义      定义为d维的实体空间，为q个可能标签的标签空间。multi-label learning就是从multi-label training set中学习函数 。对于每个multi-label example 是一个d维的特征向量，就是与相关的一组标签。对于没有出现过的实体，多标签分类器为x预测出一组合适的标签。2、主要挑战       1、随着标签的增加，输出空间成指数性增长（20...
论文复现报告：Deep Region and Multi-label Learning for Facial Action Unit Detection
scut_salmon的博客
12-20 5353
论文复现报告：Deep Region and Multi-label Learning for Facial Action UnitDetection 第一次跑caffe代码，纯属自我练习，顺便记下一点心得和发现。此次复现参考自http://blog.csdn.net/u011668104/article/details/77412332感谢前人的分享。 严格来讲我跑了三遍caffe。
多标签学习发展趋势
wuyanxue的专栏
10-25 1101
多标签学习研究综述
多标签分类，论文：A Review on Multi-Label Learning Algorithms
jingtingxu369的博客
11-12 1358
Problem transform， Binary relevance method(BR): BR transforms a multi-label problem into multiple binary problems; one problem for each label.Pairwaise classification approach(PW): a binary model
浅读论文Learning Label Specific Features for Multi-Label Classification (2022/04/10)
qq_49293687的博客
04-10 1107
目录idea算法流程学习标签特定特征利用标签相关性 idea 在多标签分类学习中，经典的Binary relevance (BR)方法存在类不平衡，计算成本繁重及忽略标签相关性的问题。所以本文提出学习每个标签的标签特定特征来增强分类效果。文中假设每个标签只与原始特征集中的一个特征子集相关联，并且任何两个强相关的类标签可以比两个不相关或弱相关的标签共享更多的特征。 算法流程 用{(x1,y1),(x2,y2),…,(x3,y3)}\{(\mathbf{x}_1, \mathbf{y}_1), (\mathb
<el-row style="display:flex;justify-content:lift;align-items:center;width: 100%; height: 100%"> <el-col style="display:flex;justify-content:lift;align-items:center;width: 100%; height: 100%;"> <el-card class="card-box" style="display:flex;width=200px;height=110px;border-radius: 10px;"> card1 </el-card> </el-col> <!-- <el-col style="display:flex;justify-content:lift;align-items:center;width: 200px; height: 200px"> <el-card style="display:flex;width=200px;height=100px">card2</el-card> </el-col> --> </el-row>为什么我设置的card高度与宽度不起作用
06-01
你设置的card高度与宽度不起作用可能是因为你在样式中使用了等于号（=）而不是冒号（:）。正确的写法应该是：`width: 200px; height: 110px;`。此外，你的样式中还存在一些拼写错误，例如 `justify-content:lift` 应该是 `justify-content: left`。你可以修改这些错误后再尝试一下是否能够正确设置card的高度与宽度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值